谷歌云发布 Gemini agent，把办公、数据与编码收进一个入口

10 月 8 日，谷歌云在自家活动 Gemini at Work 2026 上发布通用智能体 Gemini agent。谷歌云 CEO 托马斯·库里安在主题演讲中把它定义为「为工作服务的单一、通用智能体」，问答、知识工作、图像与媒体生成、写代码都收进同一个提示框和同一套 API。与过去把助手拆成一堆专用工具的做法不同，谷歌这次想让人只交代目标，然后拿回完成的工作，而不是逐条下指令。官方博客由库里安署名，并明确这是本次活动的核心发布。

谷歌给出的量化背景是：过去一年有近 500 家谷歌云客户各自处理了超过一万亿 token，约 80% 的谷歌云客户已在使用其 AI 产品，财富 100 强里近 90% 在用 Gemini Enterprise。库里安的说法是「工作现在从提示框开始」。这句话的含义是，谷歌把办公智能体从陪聊的助手，重新定位成接活的同事。官方原文见谷歌云博客。

按官方描述，Gemini agent 是统一智能体：既能聊天问答，也能自主完成你交代的目标，还能生成代码，全部从同一个界面进入。它可以被安排任务、定时执行，或对事件做出反应。入口覆盖网页、iOS 与安卓手机、Windows 与 Mac 桌面，以及命令行、Google Workspace、微软 365 和 Slack。它也能被集成进第三方应用，甚至以不带界面的 headless 方式运行。

在 Google Workspace 里，它直接嵌进 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar，带着同一套记忆、技能与控制。官方举的例子是：让它约一场「和上次活动那批区域负责人」的会，不用给名字和邮箱，它会从聊天群成员和上次活动的邮件里推断人选、查日历、发起协调邮件。研究市场趋势、在 Sheets 里建财务模型、再生成一份演示文档，也可以一口气做完。

数据方向是这次新增的重点。面向数据与机器学习工程师，Gemini 能用自然语言生成 PySpark 代码、给出可编辑测试的 notebook、训练模型，并自行排查和修复数据管道问题。面向普通业务用户，则可以用运营报表技能接上 BigQuery 与 Knowledge Catalog，把问题沉淀成可保存的查询。之后团队按需跑报表不再消耗 token，答案保持一致且可核验。

这次发布里最值得关注的是同事型 agent。它不是一个临时会话，而是一个有固定角色、跨天跨会话持续存在的成员。官方说这类 agent 会拿到自己的 Workspace 账号，包括专属邮箱（形如 @agents.company.com）、日历、Drive 存储，以及公司通讯录里的身份。同事可以像对待真人一样，把它拉进 Chat 群或 @ 它。

权限边界是刻意收紧的：同事型 agent 只能看到团队成员明确共享给它的内容，不会继承某个员工的全部权限。它的身份经过加密认证，行为记入审计日志并归到 agent 名下，而不是归到个人名下。库里安把它描述成「以自身身份行动，而不是以你的身份行动」。这一点对企业安全团队很关键。

执行放在云端，意味着记忆、上下文和个性化图谱只有一份，换设备不用重新交代背景。需要跑几小时甚至几天的任务，在合上笔记本后仍在继续。Gemini 还能临时生成一批带独立身份的子 agent 来分工，处理多步骤、可并行或串行的长流程。

一个反常识的设计是：Gemini agent 本身是智能体，底层用哪个模型是另一个选择。官方明确它今天就能在 Gemini 系列模型和 Anthropic 的 Claude 模型之间调度，未来还会接入更多闭源与开源模型。理由很直白：最适合某个任务的模型未必是最大的模型，把模型和任务匹配，能同时提高难任务准确率、降低简单任务成本。

对企业的实际意义是换模型不用换家。上下文、技能和数据留在原处，底层模型换代时不必重做迁移。官方给的例子是运动品牌 On 测试了这种动态选型来加快上市节奏，Shopify 用多家前沿模型服务数百万商家，PayPal 每周路由一千万次多模型请求。

不过这也意味着，谷歌把自己放在协调者而不是唯一供应商的位置。对采购方来说，好处是议价与切换空间更大。代价是治理和成本核算会更依赖平台侧的调度透明度，而这部分目前公开信息有限。

自主 agent 能不能上生产，取决于能不能管住它、以及养不养得起。治理部分，谷歌回答了四个问题：agent 是谁、能做什么、做过什么、绝不能碰什么。每个 agent 有加密认证的独立身份和最小权限；接入外部系统时用 OAuth 之类的标准做身份映射与传递；每一步动作写入审计日志并归到 agent 名下。

隔离靠两件东西。Agent Sandbox 是自带网络边界的执行沙箱，Agent Gateway 则是对流入、流出以及 agent 之间流量实时执行公司策略的「AI 网络防火墙」。策略写一次即可全局生效，例如「agent 不得打开标记为 Need to Know 的文档」，会应用到公司里的每一个 agent，而不是逐个检查。

成本部分，谷歌提到每 token 价格自 2024 年以来已下降 98%，但企业用量暴涨，简单循环也走最贵模型会迅速击穿预算。对应手段有三：多模型编排、Smart Routing 自动按性能与成本分流、以及实时花费上限。花费上限在 Cloud Billing Console 里设硬阈值，触发后该项目 agent 暂停，可在控制台一键恢复，并按项目把 AI 成本摊回具体部门。

这条赛道已经很挤。微软 9 月 25 日更新了 Copilot，把办公、开发和常驻自动化合到 Home、Cowork、Code 与 Autopilot 里。OpenAI 9 月 29 日在 DevDay 推出常驻的 Dots agent 与协作空间 ChatGPT Space。Anthropic 10 月 6 日宣布 Claude 原生接入 Google Docs、Sheets、Slides。SpaceXAI 的 Grok Bot 早在 8 月 11 日就做常驻数字同事，9 月 28 日又加了 Team Bots。

差异主要在接入方式与模型策略。谷歌强调跨平台记忆、临时子 agent 团队、带 Workspace 身份的常驻同事，以及 Gemini 与 Claude 双模型支持。微软强调 Microsoft 365 集成、组织上下文与 agent 治理，OpenAI 强调持续运行与共享项目空间，Anthropic 强调嵌进现有办公软件，Grok Bot 强调用独立云电脑操作没有 API 的软件。

一个值得注意的重合点是多模型。微软同样支持多模型与自动选型，说明这已不是谷歌的独家卖点，而是企业级 agent 平台的竞争标配。谁能把调度、权限和账单讲清楚，谁才更可能被真正部署。

对普通用户，这更像未来办公入口的信号，日常暂时用不上。对开发者与数据团队，最直接的变化是数据管道和报表可以用自然语言驱动，MCP、工具注册表和技能注册表值得提前研究。对企业 IT 与安全团队，这是一次需要评估治理与成本的采购动作，而不是一个可以忽略的更新。

怎么验证？建议先用非敏感流程做小范围试点，挑一个跨应用、多步骤的任务，例如「汇总资料、建模型、出演示」，观察它是否真能端到端跑完。接着打开审计日志，确认每个动作都能追溯到 agent 身份；设置一个 spend cap，看触发与恢复是否顺畅；再核对数据驻留与合规要求是否满足。不要只看演示视频就下结论。

编辑判断：谷歌这次把入口统一、常驻同事、模型可换三件事绑在一起，方向清晰，也确实踩中了企业 agent 的痛点。但官方尚未公布通用智能体的单独定价、全面开放时间与完整上线节奏，采购方现在更适合试点而不是一次性承诺。下一步值得盯三件事：Gemini agent 何时正式开放、持久化同事 agent 的授权与计费怎么算、以及金融与法律等专精版本（已在预览）的落地价格。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026

如发现事实、价格或链接有误，可通过 联系我们 提交更正。